Влияние морфологических МР-признаков на диагностику лимфоваскулярной инвазии злокачественных новообразований молочной железы в прототипе системы поддержки принятия врачебных решений на основе номограмм наивного Байеса
Журнал: Программные системы: теория и приложения @programmnye-sistemy
Рубрика: Медицинская информатика
Статья в выпуске: 3 (72) т.17, 2026 года.
Бесплатный доступ
Цель исследования: обоснование роли морфологических магнитно-резонансных (м-МР) признаков в гибридных морфо-радиомических моделях диагностики лимфоваскулярной инвазии (ЛВИ) злокачественного новообразования (ЗН) молочной железы (МЖ) и разработка прототипа объяснимой системы поддержки принятия врачебных решений (СППВР) на основе номограмм наивного Байеса с интегрированным SHAP-анализом. Материалы и методы. Нами анализировались данные 191 пациента: 13 м-МР признаков, 12390 радиомических (р-МР) показателей всего объёма опухоли (VOIentire) и экстратуморальных тканей (VOI+2 мм). Целевой признак — ЛВИ. Отбор предикторов выполнен дискретизацией методом Entropy-MDL; классификация — алгоритмом наивного Байеса с лапласовским сглаживанием (α=1 ). Прототип СППВР реализован как автономное single-page HTML-приложение с интегрированным расчётом логарифма отношения правдоподобия (log-LR) и SHAP-вкладов. Результаты. Получены две радиомические модели наивного Байеса (NB): NB_VOIentire (AUС=0,837) и NB_VOI+2 мм (AUС-ROC=0,887). По данным многомерной логистической регрессии перитуморальный отёк повышает шансы ЛВИ в 5,66 раз (OR 5,66, 95% ДИ: 2,27–14,94, p<0,001), признак ободка опухоли на DWI изображении — в 4,05 раза (OR 4,05, 95% ДИ: 1,63–10,47, p=0,003). Включение этих м-МР признаков в гибридные модели статистически значимо улучшило AUC-ROC: абсолютный прирост 7,6 процентных пунктов (п.п.) (p = 0,008) для интратуморальной модели и 5,3 п.п. (p = 0,049) для экстратуморальной. Заключение. Прототип СППВР реализует концепцию объяснимой персонализированной диагностики посредством сочетания номограмм наивного Байеса и SHAP-анализа. Включение м-МР признаков перитуморального отёка и DWI-ободка в радиомические сигнатуры является не дополнительным, а структурообразующим элементом, обеспечивающим клиническую устойчивость диагностики. (Связанные тексты статьи на английском и на русском языках).
Короткий адрес: https://sciup.org/143186350
IDS: 143186350 | УДК: 004.891.3: 618.19-006.6-073.756.8 | DOI: 10.25209/2079-3316-2026-17-3-3-56
The impact of morphological MRI features on the diagnosis of lymphovascular invasion in malignant breast neoplasms within a prototype clinical decision support system based on naive bayes nomograms
Objective: To substantiate the role of morphological magnetic resonance imaging (m-MRI) features in hybrid morpho-radiomic models for the diagnosis of lymphovascular invasion (LVI) in malignant breast neoplasms and to develop a prototype of an explainable clinical decision support system (CDSS) based on naive Bayes nomograms with integrated SHAP analysis. Materials and Methods: Data from 191 patients were analyzed: 13 m-MRI features and 12,390 radiomic (r-MRI) features extracted from the entire tumor volume (VOIentire) and peritumoral tissues (VOI+2 mm). The target variable was LVI. Predictor selection was performed via discretization using the Entropy-MDL method; classification was conducted using a naive Bayes algorithm with Laplace smoothing (α=1 ). The CDSS prototype was implemented as a standalone single-page HTML application with integrated log-likelihood ratio and SHAP value calculation. Results: Two radiomic naive Bayes (NB) models were developed: NB_VOIentire (AUC=0.837) and NB_VOI+2 mm (AUC-ROC=0.887). Multivariate logistic regression showed that peritumoral edema increased the odds of LVI by 5.66 times (OR 5.66, 95% CI: 2.27–14.94, p<0.001), and the tumor rim sign on DWI increased the odds by 4.05 times (OR 4.05, 95% CI: 1.63–10.47, p=0.003). Incorporating these m-MRI features into hybrid models significantly improved the AUC-ROC: an absolute increase of 7.6 percentage points (p=0.008) for the intratumoral model and 5.3 percentage points (p=0.049) for the extratumoral model. Conclusion: The CDSS prototype implements the concept of explainable personalized diagnostics by combining naive Bayes nomograms with SHAP analysis. Incorporating m-MRI features of peritumoral edema and the DWI tumor rim sign into radiomic signatures is not merely supplementary but serves as a structural, framework-defining element that ensures the clinical robustness of the diagnostics.
